Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes Algebra PDF
Apuntes Algebra PDF
Definición
Un cuerpo (no alabeado) cuyos elementos (escalares) se representan por letras griegas.
Un grupo abeliano de elementos (vectores) notados con letras latinas.
Se define un espacio vectorial sobre el cuerpo si se define una aplicación de en tal que a todo par
( ) , haga corresponder un elemento cumpliendo las siguientes propiedades
Ejemplo 1
Dado el conjunto *( ) )
a) [ ( )] ( ) ( )
( ) ( ) ( )
Por tanto [ ( )] ( ) ( )
Con esto se verifica la asociatividad respecto al producto de escalares
b) [( ) ( )] ( ) ( ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ( ) ( ))
Por tanto [( ) ( )] ( ) ( )
Con esto se verifica la distributividad respecto a la suma de factores
c) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) (( ) ( ) )
Por tanto ( ) ( ) ( ) ( )
Con esto se comprueba la distributividad con respecto a la suma de escalares
d) Es evidente que: ( ) ( ) ( )
Por tanto, ( ) cumple las cuatro propiedades de la ley externa y como ( ) era grupo abeliano
( ) tiene estructura de espacio vectorial.
Dependencia e independencia lineal
̅( )
Ejemplo 2
( ) ( ) ( )
{
Para ser linealmente dependientes ha de cumplir
que: ( )
( )
Ejemplo
( )
( ) ( ) ( ) ( )
( ) ( )
Subespacio vectorial
es un subespacio vectorial o una variedad lineal del espacio sobre el cuerpo si:
- es un subconjunto de .
- también es un espacio vectorial
- Por tanto si y son vectores de , es decir, se cumple que (siendo :
o
o
Como consecuencia:
- El elemento neutro de pertenece a .
- El opuesto de cualquier vector de pertenece a :
o
Si un subespacio vectorial contiene los vectores , también contiene a todos los vectores de la forma
Ejemplo 4
Determinar e para que el vector Para que pertenezca a la variedad lineal ha de:
( ) ( ) ( ) ( )
( )y( )
Buscamos
Sistema generador:
- Si los vectores de un espacio vectorial,
- se puede obtener como combinación lineal de los vectores ,
- se dice que éstos constituyen un sistema generador de dicho espacio vectorial.
Base de un espacio vectorial: Si los vectores del sistema generador de son linealmente independientes.
Ejemplo 5
Un único elemento ( )
Matriz de dimensiones ( ) ( )
Vector fila o Matriz Fila ( )
Matriz de dimensiones ( )
( + ( +
Vector columna o Matriz Columna
Matriz cero . /
Matriz simétrica ( ) ( +
Matriz hemisimétrica ( +
Matriz escalar
( +
(los elementos de la diagonal son iguales)
Matriz unidad
. /
(los elementos de la diagonal son iguales a 1)
Matriz triangular
(matriz cuadrada con los elementos situados a ( +
un lado de la diagonal nulos)
2.3 a 2.5 Operaciones con matrices y varias
Suma de Matrices . / ( * ( *
Producto de un
escalar por una . / ( *
matriz
( + ( *
Producto de
matrices
( +
( + ( +
Matriz idempotente
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ( ) ( ) ( ) )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
Matriz nipotente
( + ( +
= índice de nilpotencia
. / ( )
Producto de
( ) ( )
Kronecker ( *
( ) ( )
( )
Transposición de
. / ( +
matrices
2.6 Determinantes
| | | |
| | | |
Menor complementario
de un elemento | | | | | |
( )
Adjunto
| | | | ( ) | |
( )
| | | |
Desarrollo de ( ) | | ( ) | |
determinantes por
adjuntos de una fila
( ) ( ) | | ( ) | |
| |
( )
| | | |
En un determinante se puede
sumar a una línea otras
multiplicadas por un número sin | | | |
que se altere el determinante
| | | |
Si una línea de un determinante, existe algún cero, al desarrollar por los elementos de dicha línea no hay que
calcular el adjunto del elemento nulo:
- Por tanto es interesante introducir ceros en los determinantes.
- Si existe un 1 o -1 es fácil reducir a ceros todos los elementos de su fila o su columna, salvo dicho
elemento 1.
Ejemplo
| |
De la siguiente matriz | |
De la siguiente matriz | |
( ) ( )
Multiplicamos primera fila por –
( ) ( )
y la sumamos a la segunda
( )
( ) ( )
Multiplicamos segunda fila por–
( ) ( )
y la sumamos a la tercera
( )
( ) ( )
Multiplicamos tercera fila por –
( ) ( )
y la sumamos a la cuarta
( )
| ( ) ( ) ( )|
Que extrayendo factores ( ) ( ) ( )
comunes es
( )( )( )| |
Multiplicamos 1ª por – y le ( ) ( ) ( )
sumamos la segunda
Multiplicamos 2ª por – y le ( ) ( ) ( )
sumamos la tercera
De la matriz resultante,
| | | |
pivotamos con el 1
Si en una matriz una línea es combinación lineal de otras paralelas, todos los menores que se pueden formar con
las siguientes son nulos.
( ,
En la siguiente matriz, la tercera fila es
combinación lineal de las dos primeras.
( ) ( )
La primera por 3 más la segunda por -2.
( ) ( )
( )
Si en una matriz existe un menor no nulo de orden , y orlándole con los elementos de la fila y con cada una de
las columnas de la matriz resultan todos estos menores (de orden ) nulos, se puede concluir que la fila es
combinación lineal de las filas pertenecientes al menor dado.
Al ser los menores no nulos La tercera fila es combinación lineal de las dos primeras
Si en una matriz hay algún menor no nulo de orden y son nulos todos los menores de orden , el número
se llama rango o característica de dicha matriz.
- Si a simple vista se observa que una línea es comb. lineal de otras, se suprime sin que altere el rango.
- Se forma un menor de segundo orden no nulo, entonces, el rango será por lo menos 2.
- Se orla el referido menor de segundo orden con las filas y columnas, si alguno fuera distinto de 0 el rango
será por lo menos 3.
- Se orla el menor no nulo de tercer orden con filas y columnas, si alguno fuera distinto de 0 el rango será
por lo menos 4.
- Se continúa el proceso hasta agotar las líneas y columnas.
| |
Se busca si hay un menor de orden 2 no nulo
El rango como mínimo es ( ) .
| | | | | |
Orlando el menor de orden 2 de todas las
formas posibles
Todos los determinantes son nulos por lo que el rango
sigue siendo ( )
( )
| |
El menor de orden 2 no nulo es
El rango como mínimo es ( ) .
| | | | | |
Orlando el menor de orden 2 de todas la formas
posibles Hay algún determinante no nulo, por lo que el rango
como mínimo es ( ) .
Pero al no haber más columnas el rango será 3.
2.13.1 Transformaciones que conservan el rango de una matriz
Linealmente independiente
| | ( )
Dependencia lineal
Linealmente dependiente
| | ( )
| | ( *| |
| | ( *| |
( ) | |
Dimensión subespacio
vectorial engendrado por el ( +
conjunto de vectores
( )
Es el número máximo de
vectores linealmente depend.
. /
o rango de la matriz.
( )
| | ( )
2.14 Matriz inversa
( + | |
| | | | | |
| | | | | |
(| | | | | |)
( + | | | | ( )
| | | | | |
( ) ( )
( +
Propiedades ( )
( ) ( )
2.14.1 Matriz inversa generalizada (MP Moore Penrose ) cuando | |
( )
Propiedades ( ) ( )
Ejemplo 1
. /
( ) 0. /. /1 . / . /
( ) . /. / . /
Ejemplo 2
. /
( ) [. /( +] . / ( ,
( ) ( +( ,
( )
Comprobamos que
. / ( , . /
( )
Ejemplo 3
( +
( + . / se hallan y y se multiplican.
2.14.2 El operador vec
( )
Propiedades
( ) ( )( )
( + ( + ( + ( +
Matriz cuadrada
Por la igualdad
2
de matrices
√ √ √ √ √ √
√ √ √ √ √
(√ √ ) ( √ √ √ )
La siguiente ( * ( * ( *
matriz es √ √ √
ortogonal
( * ( * ( * ( *
√ √ √ √ √ √ √ √ √ √
Y así sucesivamente hasta encontrar la matriz
( +
2.16 Aplicaciones lineales
Entonces * ( ) ( ) ( )+
es un sistema de vectores linealmente dependientes
existirán escalares no todos nulos que:
( ) ( ) ( )
Si * +;
es un sistema de vectores linealmente independientes
no existirán escalares no todos nulos que:
( )
Entonces * ( ) ( ) ( )+
no es cierto en general que sea sistema de vectores
linealmente independientes
( ) ( ) ( )
( ) ( ) * ( ) +
( )
( )
( )
Imagen de f es el conjunto de vectores que son
imagen de algún vector ( )+ y *
Sea * + tal que
( ) ( )
( )
luego ( ) es un subespacio vectorial
( ) * ( ) )+
( )
( ) * +
Núcleo de f es el conjunto de vectores que se
transforman en vector de Sea * ( )+ tal que
( ) ( )
( ) ( )
luego ( ) es un subespacio vectorial
Si espacios vectoriales, ( ) ( ) ( ) ( ) ( )
y aplicaciones lineales ( ) ( ) ( ) ( ) ( )
entonces es aplicación lineal Para que sea aplicación lineal ha de cumplir que
( ) ( ) ( ) ( ) ( )
Por tanto
( ) ( )( )
, ( )- , ( ) ( )-
( ( )) ( ( )) ( )( ) ( ) )
( ) ( )
Y por tanto
( ) ( )( ) , ( )-
, ( )- , ( )- ( ) ( )
Matriz asociada a una aplicación lineal
Si y
Entonces ( ) ( ) ( ) ( )
Al ser una base de se tendrá:
( )
( )
( + ( +( +
( +
* +y * + son dos bases
de
La matriz asociada respecto y será
donde
( + ( +( +
* +y * + son dos
bases de
donde
Dimensiones de la imagen y el núcleo de una aplicación lineal
( +( + ( +
( ) * +
( ) ( ( )) ( ( ))
Así que:
Una ecuación es combinación lineal de otras varias, si resulta de sumarlas miembro a miembro, previamente
multiplicadas por números cualesquiera.
| |
Se pueden escribir como
| |
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
La solución del sistema cramer se obtiene mediante la
siguiente fórmula: {
∑ | |
| |
| |
| |
3.4 Sistemas de ecuaciones con incógnitas. Teorema de Rouché-Froebenius
La condición necesaria para que un sistema sea compatible es que sean iguales los rangos de las matrices y
( ) ( )
( ) ( )
| | | |
| |
| | | | | |
Al ser el número de incógnitas superior a los rangos igualados de las matrices el sistema será compatible
indeterminado:
Ejemplo de sistema incompatible
{ | |
| |
| |
( ) ( )
2.- Debido a que el rango es 2 nos debemos de quedar con dos ecuaciones que serán las que se han utilizado
para calcular el rango. Por tanto el sistema a resolver será
| |
| | | |
3.5 Sistemas homogéneos
Ejemplo de más soluciones que la trivial Ejemplo donde la única solución es trivial
{ {
1.- Comprobamos el rango de los cocientes 1.- Comprobamos el rango de los cocientes
| | | | | | | | | | | |
2.- Resolvemos por sistema cramer en el que Cómo el rango es igual al número de incógnitas, la
- Tomamos las dos primeras ecuaciones. única solución es la trivial.
- Pasamos al segundo miembro.
| | | |
3.6 Discusión de un sistema
( ) ( )
| | | |
| |
{ | |
| |
| |
3.7 Aplicaciones del modelo Input-Output
Esquema matemático que pone de manifiesto las relaciones entre los sectores económicos de un país.
El gobierno decide aumentar la actuación pública incrementando en cinco unidades la demanda final.
Se sabe que las unidades adicionales se van a demandar en un solo sector.
El objetivo es maximizar la producción total de la región.
Por tanto, ¿a qué sectores debe demandarlas?
1.- El método de las relaciones intersectoriales queda definido por la matriz de coeficientes técnicos:
[ ] [ ] [ ] [ ]
[ ]
[ ] [ ] [ ]
[ ] [ ] [ ] [ ][ ] [ ] [ ][ ] [ ]
CAPÍTULO 4: DIAGONALIZACIÓN DE MATRICES
Interesa diagonalizar a una matriz dada ya que con éstas la operatoria se simplifica notoriamente.
( )y ( )
( )y ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( )
| |
Comprobamos que las siguientes matrices semejantes tienen la misma ecuación característica
( ) ( )
| | | |
| | | |
Comprobamos que las siguientes matrices tienen la misma ecuación característica pero no son semejantes
( ) ( )
| | | |
4.4 Diagonalización de matrices
No todas las matrices son diagonalizables, por eso hay que conocer las condiciones necesarias y suficientes para
que lo sea. Pero antes hay que obtener los valores y vectores propios.
4.5 Valores y vectores propios de una matriz cuadrada
( )
| | ( ) ( )
Si
Si Si
{
{ {
Restando ambas ecuaciones:
Entonces Entonces
Por tanto
{ {
( ) ( )
( )
En general En general
También lo son los paralelos, p.e.:
( ) ( )
( ) o en general ( )
Casos particulares, Matriz diagonal y Matriz triangular
Los elementos de la diagonal principal de una matriz diagonal son sus valores propios.
Los valores propios de una matriz triangular son los elementos de su diagonal principal.
| | ( ) ( )( )( )
( )
| | ( )
( )
( )( )( )( )
Los valores propios son
4.6 Condición necesaria y suficiente para que una matriz sea diagonalizable
Entonces y son matrices semejantes Por tanto, ahora hay que determinar que condiciones ha de
luego tienen la misma ecuación característica cumplir una matriz para ser diagonalizable y como hallar la
por tanto tienen los mismos valores propios matriz .
( )( )
( ) ( )
La ecuación característica es
| |
Para Para
{ {
que se reduce a una única ecuación que se reduce a una única ecuación
un vector propio es el ( ) un vector propio es el ( )
Los autovectores se suelen expresar como vectores unitarios, para lo cual basta dividir sus coordenadas por su
módulo
Modulo de ( ) es √( ) √ Modulo de ( ) es √( ( ) ) √
Por lo que el vector será Por lo que el vector será
√ √
(√ ) ( √ )
√ √
Calculando
√ √ √ √
( ) √ √ √ √ ( )
√ √ √ √
( ) (√ √ ) ( ) (√ √ )
La matriz es diagonalizable si y solo si para todo autovalor de la dimensión del subespacio coincide con
la multiplicidad de en la ecuación característica.
La dimensión del espacio asociado al valor propio se calcula hallando la diferencia entre ( es el orden
de la matriz ) y el rango de la matriz ( )
( )
Estudiar si es diagonalizable la matriz
Si estudiamos su rango es
( )
( )
Su ecuación característica es
( )( )
( )
Que proporciona
Los valores propios son
| | | |
A dos valores propios distintos ( ) de una matriz simétrica corresponden vectores propios ortogonales
A partir de
( ) ( )
Transponiendo la primera
Y al ser
El producto escalar de los vectores y es nulo, luego los vectores son ortogonales.
Diagonalizar la matriz
( )
| | ( ) ( )
{ ( )
( )
{ { {
√ √ √ √
√ √ √ √ √ √
(√ √ √ ) (√ √ √ )
Finalmente se calcula
√ √ √ √
( ) ( )
√ √ √ √ √ √
(√ √ √ ) (√ √ √ )
En las matrices simétricas, se verifica que si su polinomio característico se descompone en la forma siguiente:
| | ( ) ( ) ( )
Donde los son los órdenes de multiplicidad de las raíces (autovalores) cumpliéndose
La matriz no es simétrica
Propiedades de la traza
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( )
( )
| |
Si autovalores
( ) ( )
∑ ( )
Si y son semejantes ( ) ( )
CAPÍTULO 5: FORMAS CUADRÁTICAS
Si ( )
existe dependencia lineal
entre las formas
y se pueden encontrar
escalares (elementos de ) tales que
Si , caso en que existe dependencia, se puede afirmar que existen formas linealmente independientes
Se forma la matriz
( +
Determinar si son linealmente
dependientes Se obtiene su rango (ver que la 4ª columna se puede suprimir al
ser diferencia entre la 1ª y la 3ª).
| | | | ( )
Es un polinomio homogéneo de ( ) ∑∑
segundo grado:
( )
Los elementos de la diagonal principal son los coeficientes de (las elevadas al cuadrado):
( ) ( )
La forma cuadrática es
( + ( +
Escrita matricialmente es
La forma cuadrática en forma canónica
( ) ( ) ( )( +( +
5.4.1 Reducción de una forma cuadrática a su forma canónica. Método de lagrange
( )
3. Con la nueva se toman ahora los y se sustituyen por quedando la forma cuadrática definitiva
5.4.2 Transformaciones de una forma cuadrática
( ) ( ) ( )
( + ( +( +
Transponiendo sería
( ) ( )( +
( )( +( +
Obtenemos
( ) ( ) [( +( +( +] ( +
( )( +( + ( )( +
( )( )( )
Mediante transformación
( ) ( ,
( )
Por la invariancia del signo del discriminante
| | || || ( )
( )( ,( ,
( )( ,( ,
Y de aquí
| | | | ( )
Y reiterando el proceso
| | | | ( ) | | | | ( )
| | ( ) ( )
Donde | || || | | || | son los menores principales de la matriz A.
Se llama menor principal de la matriz al formado por las primeras filas y las primeras columnas
Los menores principales son
| | | |
En la matriz | | | |
( + | | | |
Y sus signos
| | | | | |
5.4.4 Formas cuadráticas definidas, semidefinidas y no definidas
La forma cuadrática
tomará estrictamente un valor negativo Por tanto
para cualquier sistema de valores
que se den a las variables (no todos cero)
( )
[. / ]
( )
[. / ]
Por tanto
La forma cuadrática
tomará un valor positivo (negativo) o nulo Semidefinida positiva y
para cualquier sistema de valores Semidefinida negativa y
que se den a las variables (no todos cero)
( )
Diagonalizando
( )
Diagonalizando obtenemos
Sea la forma cuadrática
( )
Se calculan los menores principales
| | | | | | | | | |
Como todos los menores principales son estrictamente positivos, la forma cuadrática es definida positiva.
| | | |
Por tanto se tendrá
| |( )
| | | | | | | | | |
Como todos los menores son no nulos y además alternadamente positivos y negativos, la forma cuadrática es
definida negativa.
( )
Para una forma semidefinida positiva
( )
se verifica
( )
| |
Por tanto se tendrá | |
| |
( ) ( )( +( +
| | | | | | | | | |
Como algunos de los menores principales es 0 y otros son positivos, se trata de forma semidefinida positiva.
( )
Para una forma semidefinida negativa
( )
se verifica
( ) ( )
| |
Por tanto se tendrá | |
| |( )
( ) ( )( +( +
| | | | | | | | | |
Al seguir la secuencia de positivos y negativos, y hay algunos nulos, se trata de forma semidefinida negativa.
Obtenemos ( +
es el centro
Se tiene por definición
es un punto genérico de la circunferencia
̅̅̅̅
la longitud del radio
Se tiene
La ecuación siguiente
Representa una circunferencia: Ya que no tiene término en
Los coeficientes de e son iguales.
En la ecuación
En la ecuación
Si en el plano cartesiano,
a cada punto ( )
se le hace corresponder ( )
de forma que Por tanto, se han introducido en el plano las coordenadas homogéneas
( * ( *
Escrita en coordenadas homogéneas
Operando resulta
Si
( X,Y)
Gráficamente seria: 4
-2
0 2 4 6 8 10 12 14
x
-6
-8
Y haciendo
Que indica que la circunferencia no tiene puntos del infinito reales.
y
-1
0
0 1 2 3 4 5 6 7
x
-3
-4
5.5.3 Cónicas
( )( +( )
Si
Dividendo por ( *
Clasificar
Como
| |
y
0,5
0 x
-0,5
-1
Clasificar
Como
| |
y
0 x
-1
-2
-3
-4
5.5.4 Invariantes de una cónica
donde ( )y es la matriz de la
( +
cónica
Un cambio de coordenadas ( )
a las coordenadas ( )
mediante una traslación del origen ( )
( ) ( )( +
al nuevo origen ( )
y una rotación de ejes de ángulo
se obtiene mediante
( )( + ( )( +
Designando
( + ( )
Y como
| | | |
Resulta
| | | |
Por tanto, el determinante de la nueva matriz es igual al de la original, así que dicho determinante es invariante
en cualquier cambio de coordenadas
5.5.5 Cónicas en forma canónica
Elipse
Si es negativo se trata de una elipse real. Si es positivo se trata de una elipse imaginaria.
Si , la ecuación se descompone en el
producto de dos rectas imaginarias
que se cortan en un punto real
(√ √ ) (√ √ )
En general
0,5
Se observa que N
F1
0
F2
M x
-3,5 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5
-0,5
-1
-1,5
Cumpliendose que -2
S
Donde , semieje mayor
, semieje menor
, semidistancia focal
Hipérbola
Si resulta una cónica degenerada, que es el producto de dos rectas reales que no se cortan.
| | | |
4
0 x
-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
-1
-2
-3
Por lo que es cónica degenerada (dos rectas que se cortan)
-4
y
Dividendo por el término independiente se obtiene
15
10
0 x
-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30
-5
-10
-15
Y en general
y
r2 r1
La hipérbola es el lugar geométrico de los 2
0,5
Se observa que
F2 N 0 M F1 x
-3,5 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5
-0,5
Cumpliéndose que
-1
Las rectas y
-1,5
son las asíntotas de la hipérbola y tienen
-2
por ecuación
Parábola
O la forma reducida
-1
-4
Elipse
igual signo que y
imaginaria
y Elipse
Género elipse distinto signo que y
mismo signo real
Elipse
degenerada
Hipérbola
y
Género hipérbola
distinto signo Hipérbola
degenerada
y
Parábola
no nulas
| | | | | |
| | | |
e igualando
invariante proyectivo ......................
invariante métrico ..........................
de donde ........................................ ;
y el valor de es .............................
| | | | | |
| | | |
donde y (o viceversa)
Luego la ecuación buscada es